Question

在我的问题中，有四个功能（X）； a,b,c,d和两个受抚养人（Y）； e,f。我有一个数据集，其中包含所有这些变量的一组值。当给出新的e,f值时，如何使用python中的scikit learning通过支持向量回归通过scikit learning预测这些值？

我是ML的新手，我非常感谢一些指导，因为我发现很难遵循SVR上的scikit学习文档。

到目前为止，这是我在sklearn文档中的一个示例的帮助下完成的。

a,b,c,d

这给出了错误，

ValueError：预期的2D数组，取而代之的是1D数组：：如果数据具有单个功能，则使用array.reshape（-1，1）来重塑数据；如果包含单个样本，则使用array.reshape（1，-1）来重塑数据。

Answer 1

我假设您的目标变量需要在此处进行独立预测，所以如果我错了，请纠正我。我对sklearn doc示例进行了略微修改，以说明您需要执行的操作。在进行回归之前，请务必考虑缩放数据。

import numpy as np
from sklearn import svm
import matplotlib.pyplot as plt

n_samples, n_features = 10, 4 # your four features a,b,c,d are the n_features
np.random.seed(0)
y_e = np.random.randn(n_samples)
y_f = np.random.randn(n_samples)

# your input array should be formatted like this.
X = np.random.randn(n_samples, n_features)

#dummy parameters - use grid search etc to find best params
svr_rbf = svm.SVR(kernel='rbf', C=1e3, gamma=0.1)
# Fit and predict for one target, do the same for the other
y_pred_e = svr_rbf.fit(X, y_e).predict(X)

Answer 2

假设您的数据文件有6列，特征值在前4列中，目标（您称为“从属”）在最后2列中，那么我认为您需要这样做：

train = pd.read_csv('/Desktop/test.csv')
X = train.iloc[:, 0:3]
y = train.iloc[:, 4:5]

使用支持向量回归的预测

2 个答案: